面向标记时序点过程的可微分对抗攻击
机器学习
2025-01-22 v1 密码学与安全
机器学习
摘要
标记时序点过程（MTPP）在建模连续时间事件序列（CTESs）方面显示出极其的有效性。在本工作中，我们提出了专为MTPP模型设计的对抗攻击。良好对抗攻击的一个关键标准是其不可察觉性。对于图像或文本等对象，通常通过限制扰动在固定 范数球内来实现。然而，在MTPP的语境下，类似地最小化两个CTESs之间的距离范数具有挑战性，因为它们具有序列性质且时间尺度和长度各不相同。我们通过首先置换事件，然后将加性噪声添加到到达时间戳中来解决这一挑战。然而，此类对抗攻击的最坏情况优化是一个难以解决的组合问题，需要在输入序列长度呈阶乘级数增长的置换空间中进行探索。因此，我们提出了一种新颖的可微分方案 PERMTPP，通过该方案可进行对抗攻击，即在最小化似然值的同时，最小化两个CTESs之间的距离。我们在四个真实数据集上的实验表明，PETERPP在展示对抗攻击和防御能力方面具有优势，并且推送了推断时间。
引用
@article{arxiv.2501.10606,
title = {Differentiable Adversarial Attacks for Marked Temporal Point Processes},
author = {Pritish Chakraborty and Vinayak Gupta and Rahul R and Srikanta J. Bedathur and Abir De},
journal= {arXiv preprint arXiv:2501.10606},
year = {2025}
}
备注
AAAI 2025 (Main Track)